Bối cảnh và vấn đề nghiên cứu

Nghiên cứu được thực hiện trong khuôn khổ khóa luận tốt nghiệp ngành Kinh tế Chính trị tại Trường Đại học Kinh tế – Đại học Quốc gia Hà Nội năm 2023, do sinh viên Phùng Như Trường thực hiện dưới sự hướng dẫn của PGS.TS Phạm Thị Hồng Điệp. Đề tài tập trung phân tích hiện tượng "hiệu ứng đám đông" (tâm lý bầy đàn) và ảnh hưởng của nó đến chỉ số đại diện thị trường chứng khoán (VN-Index) tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) trong giai đoạn xảy ra đại dịch COVID-19.

Trong bối cảnh dịch bệnh bùng phát từ đầu năm 2020, các biện pháp giãn cách xã hội và phong tỏa phòng dịch đã thúc đẩy người dân tìm kiếm các kênh đầu tư thay thế. Dữ liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD) cho thấy số lượng tài khoản chứng khoán mở mới gia tăng đột biến: tính đến cuối tháng 3/2021, tổng số tài khoản đạt hơn 3,029 triệu tài khoản (tăng 113.875 tài khoản chỉ trong một tháng, trong đó 99,4% thuộc về nhà đầu tư cá nhân trong nước). Đến tháng 12/2021, thị trường ghi nhận thêm 226.580 tài khoản mới mở, với hơn 98% là của nhà đầu tư cá nhân. Sự gia nhập ồ ạt của nhóm nhà đầu tư mới (F0) với đặc điểm hạn chế về kiến thức tài chính, kỹ năng phân tích và quyền tiếp cận thông tin đã làm gia tăng các quyết định sao chép theo hành vi số đông. Chỉ số VN-Index đã tăng trưởng nóng, thiết lập đỉnh cao lịch sử 1.528,57 điểm vào đầu năm 2022, nhưng sau đó sụt giảm mạnh 40,34% về mức 911,9 điểm vào ngày 15/11/2022, kéo theo thanh khoản và giá trị vốn hóa suy giảm sâu.

Mục đích nghiên cứu: Cung cấp cơ sở và luận cứ khoa học cho các nhà đầu tư cá nhân và tổ chức nhằm nâng cao nhận thức về hiện tượng hiệu ứng đám đông trong các thời kỳ nền kinh tế gặp khủng hoảng, hỗ trợ quá trình ra quyết định đầu tư khách quan và độc lập hơn.

Nhiệm vụ nghiên cứu: Khóa luận xác định 5 nhiệm vụ cụ thể:

  1. Hệ thống hóa các tài liệu và công trình nghiên cứu lý thuyết, thực nghiệm liên quan đến hiệu ứng đám đông và ảnh hưởng của hiện tượng này đến chỉ số thị trường chứng khoán trên sàn HOSE.
  2. Làm rõ khái niệm, cơ chế phát sinh và phương pháp đo lường hiệu ứng đám đông trên thị trường chứng khoán.
  3. So sánh mức độ của hiệu ứng đám đông và độ biến động của chỉ số thị trường chứng khoán trên sàn HOSE giữa hai giai đoạn: trước và trong đại dịch COVID-19.
  4. Kiểm định định lượng tác động của hiệu ứng đám đông tới độ biến động của chỉ số VN-Index trên sàn HOSE.
  5. Đề xuất các nhóm giải pháp nhằm kiểm soát và giảm thiểu tác động tiêu cực của hiệu ứng đám đông trên thị trường chứng khoán, đặc biệt trong các giai đoạn biến động mạnh.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Mức độ biểu hiện của hiệu ứng đám đông của các nhà đầu tư trên thị trường chứng khoán và ảnh hưởng của nó tới chỉ số thị trường chứng khoán.
  • Phạm vi nội dung: Phân tích định lượng mức độ bầy đàn và tác động tới độ biến động của chỉ số VN-Index.
  • Phạm vi không gian: Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE).
  • Phạm vi thời gian: Từ ngày 03/01/2017 đến ngày 30/12/2022, chia thành hai giai đoạn đối sánh bằng nhau gồm giai đoạn trước đại dịch COVID-19 (03/01/2017 – 30/12/2019) và giai đoạn trong đại dịch COVID-19 (02/01/2020 – 30/12/2022).

Câu hỏi nghiên cứu:

  1. Hiệu ứng đám đông có tồn tại trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh trước và trong đại dịch COVID-19 hay không, và phương pháp nào phù hợp để lượng hóa mức độ của hiệu ứng này?
  2. Hiệu ứng đám đông tác động như thế nào đến chỉ số thị trường chứng khoán VN-Index trên sàn HOSE trong bối cảnh đại dịch COVID-19?
  3. Những giải pháp nào cần được thực thi để kiểm soát hiệu ứng đám đông trên thị trường, đặc biệt trong các giai đoạn thị trường tài chính biến động phức tạp?

Cơ sở lý thuyết và phương pháp

Nghiên cứu tiếp cận hiện tượng hiệu ứng đám đông thông qua trường phái tài chính hành vi, kết hợp mô hình định giá tài sản vốn (CAPM) truyền thống với kỹ thuật kinh tế lượng chuỗi thời gian hiện đại.

Khung lý thuyết và khái niệm

Văn bản định nghĩa hiệu ứng đám đông trên thị trường chứng khoán là hiện tượng các nhà đầu tư sao chép hành vi của người khác và từ bỏ các đánh giá độc lập của bản thân, dẫn đến sự hội tụ hành vi theo cùng một chiều hướng tại một thời điểm nhất định (Trịnh Anh Khoa, 2016; Nguyễn Đức Hiển và cộng sự, 2012). Tác giả tổng hợp ba dạng hiệu ứng đám đông cơ bản theo phân loại của Bikhchandani và Sharma (2001):

  • Hiệu ứng đám đông theo thông tin (information-based herding): Xảy ra khi nhà đầu tư phỏng đoán rằng người khác nắm giữ thông tin riêng tư vượt trội nên giao dịch mô phỏng theo hành động quan sát được.
  • Hiệu ứng đám đông dựa theo danh tiếng (reputation-based herding): Thường xuất hiện ở các nhà quản lý quỹ và chuyên viên phân tích tài chính nhằm bảo toàn uy tín nghề nghiệp bằng cách đưa ra nhận định tiệm cận xu thế chung của số đông.
  • Hiệu ứng đám đông dựa theo thù lao (compensation-based herding): Phát sinh từ cơ chế đãi ngộ và thưởng hiệu quả hoạt động danh mục đầu tư, khiến nhà quản trị tài sản hành động theo thị trường để tránh kết quả thua kém mặt bằng chung.

Nghiên cứu cũng phân biệt giữa "đám đông có chủ ý" (intentional herding) và "đám đông giả" (spurious herding) - trường hợp các nhà đầu tư đưa ra quyết định tương đồng do tiếp cận cùng một tập hợp thông tin công khai. Đồng thời, văn bản trích dẫn tổng hợp của Rahayu (2021) về 12 nhân tố chính gây ra hiệu ứng đám đông, bao gồm: thông tin tiêu cực, động cơ nghề nghiệp, rủi ro và bất định vi mô, bất định thị trường chung, điều kiện thị trường khắc nghiệt, thời kỳ lưu lượng thông tin cao, rủi ro biến động, quy mô vốn hóa cổ phiếu, khủng hoảng tài chính, lãi suất gia tăng, biến động tỷ giá tiền tệ và tình trạng thiếu minh bạch thông tin.

Khung phân tích đo lường Hwang và Salmon (2004)

Khác với phương pháp độ phân tán tỷ suất sinh lời của Christie và Huang (1995) hay Chang, Cheng và Khorana (1999), nghiên cứu lựa chọn mô hình của Hwang và Salmon (2004). Mô hình này phát triển từ CAPM cân bằng:

$$E_t(r_{it}) = \beta_{imt} E_t(r_{mt})$$

Trong đó $r_{it}$ và $r_{mt}$ lần lượt là phần bù rủi ro của cổ phiếu $i$ và thị trường tại thời điểm $t$, còn $\beta_{imt}$ là hệ số rủi ro hệ thống cân bằng. Khi tồn tại hiệu ứng đám đông, hệ số beta thực tế của cổ phiếu ($\beta^p_{it}$) bị biến dạng theo phương trình:

$$\beta^p_{it} = \beta_{imt} - h_{mt}(\beta_{imt} - 1)$$

Tham số $h_{mt}$ (với $h_{mt} \le 1$) phản ánh mức độ của hiệu ứng đám đông:

  • Khi $h_{mt} = 0$: Không có hiệu ứng đám đông, thị trường đạt trạng thái cân bằng CAPM.
  • Khi $h_{mt} = 1$: Hiệu ứng đám đông chi phối tuyệt đối, hệ số beta của mọi cổ phiếu đều quy tụ về 1, tỷ suất sinh lời của cổ phiếu biến động hoàn toàn đồng điệu với thị trường.
  • Khi $0 < h_{mt} < 1$: Tồn tại hiệu ứng đám đông hướng về danh mục thị trường; các cổ phiếu có $\beta > 1$ bị định giá thấp hơn cân bằng và các cổ phiếu có $\beta < 1$ bị định giá cao hơn cân bằng (thị trường trở nên ngại rủi ro).
  • Khi $h_{mt} < 0$: Xuất hiện "hiệu ứng đám đông ngược" (reverse herding); tâm lý thị trường khuếch đại rủi ro, nhà đầu tư gia tăng khẩu vị mạo hiểm, định giá các cổ phiếu có hệ số beta lớn vượt quá giá trị cân bằng.

Phương pháp kinh tế lượng và nguồn dữ liệu

Để ước lượng tham số không quan sát được $h_{mt}$, tác giả thiết lập mô hình không gian trạng thái (State-space model) giả định quá trình vận động của mức độ bầy đàn tuân theo quy tắc tự hồi quy bậc một AR(1):

  • Phương trình tín hiệu (Signal equation): $\log[Std_t(\beta^p_{it})] = \mu_m + H_{mt} + v_{mt}$
  • Phương trình trạng thái (State equation): $H_{mt} = \phi_{mm} H_{mt-1} + \eta_{mt}$

Trong đó $Std_t(\beta^p_{it})$ là độ lệch chuẩn dữ liệu chéo của các hệ số beta tại tháng $t$; $H_{mt} = \log(1 - h_{mt})$; $\eta_{mt} \sim iid(0, \sigma^2_{\eta m})$. Hệ phương trình được ước lượng bằng thuật toán lọc Kalman (Kalman Filter) trên phần mềm EViews 10.

Để kiểm định ảnh hưởng của hiệu ứng đám đông tới chỉ số VN-Index, tác giả thiết lập mô hình hồi quy tuyến tính OLS đơn biến:

$$Volatility_t = \beta_0 + \beta_1 \cdot h_t + u_t$$

Trong đó $Volatility_t$ là độ lệch chuẩn theo tháng của tỷ suất sinh lời chỉ số VN-Index, $h_t$ là tham số đo lường hiệu ứng đám đông lọc được từ mô hình trạng thái. Mô hình được kiểm tra khuyết tật bằng kiểm định dạng hàm Ramsey RESET, kiểm định phương sai sai số thay đổi White và kiểm định phân phối chuẩn phần dư Jarque-Bera.

Dữ liệu nghiên cứu: Thu thập giá đóng cửa và giá tham chiếu theo phiên giao dịch từ website vn.investing.com trong giai đoạn từ 03/01/2017 đến 30/12/2022. Mẫu nghiên cứu bao gồm chỉ số VN-Index và 49 mã cổ phiếu từng nằm trong rổ chỉ số VN30 ít nhất một kỳ trong giai đoạn này, với tổng số 72.614 quan sát phiên. Dữ liệu sau khi xử lý tỷ suất sinh lời logarit được tính toán thành 3.411 hệ số beta theo tháng và tổng hợp thành chuỗi dữ liệu 72 quan sát theo tháng để thực hiện hồi quy và ước lượng không gian trạng thái.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về “Hiệu ứng đám đông” và ảnh hưởng của “hiệu ứng đám đông” tới chỉ số thị trường chứng khoán

Chương này tập trung hệ thống hóa cơ sở lý thuyết về tài chính hành vi. Tác giả phân tích các khái niệm cốt lõi, so sánh thị trường hiệu quả theo giả thuyết của Fred Weston (1992) với thực tế vận hành khi xuất hiện các lệch lạc hành vi. Luận điểm trọng tâm khẳng định hiệu ứng đám đông khiến giá cổ phiếu tách rời giá trị nội tại, hình thành các hiện tượng "bong bóng" tài sản hoặc bán tháo quá đà dẫn đến sụp đổ thị trường. Tác giả trình bày chi tiết cơ chế tác động của $h_{mt}$ theo mô hình Hwang và Salmon (2004), làm rõ sự biến động của hệ số beta quanh giá trị cân bằng dài hạn dưới tác động của tâm lý bầy đàn thuận ($h_{mt} > 0$) và bầy đàn ngược ($h_{mt} < 0$).

Chương 2: Phương pháp nghiên cứu

Chương 2 mô tả chi tiết quy trình chuyển đổi lý thuyết thành mô hình thực nghiệm. Tác giả thiết lập hệ phương trình không gian trạng thái phục vụ cho bộ lọc Kalman, chứng minh tính phù hợp của việc sử dụng độ lệch chuẩn chéo $Std_t(\beta^p_{it})$ theo tháng để loại trừ ảnh hưởng của các biến số vĩ mô vốn ít biến động trong ngắn hạn. Chương này trình bày cụ thể quy trình tính toán lợi suất logarit, công thức xác định độ biến động thị trường ($Volatility$), cú pháp thiết lập câu lệnh ước lượng trong phần mềm EViews 10 (@signal và @state), đồng thời xây dựng cặp giả thuyết thống kê $H_0: \beta_1 = 0$ và $H_1: \beta_1 \ne 0$ cho mô hình hồi quy OLS.

Chương 3: Kết quả đo lường “Hiệu ứng đám đông” và kiểm định hồi quy với chỉ số thị trường sàn giao dịch chứng khoán TP.Hồ Chí Minh

Nội dung chương 3 trình bày các kết quả thực nghiệm đạt được:

  • Bối cảnh HOSE: Khái quát lịch sử từ ngày thành lập theo Nghị định 48/CP năm 1998, phiên giao dịch đầu tiên ngày 28/07/2000 với 2 mã REE và SAM, đến khi quy mô vốn hóa đạt 5,6 triệu tỷ đồng vào tháng 10/2021 (tương đương 89% GDP năm 2020).
  • Đo lường giai đoạn trước COVID-19 (01/2017 – 12/2019): Chuỗi 36 quan sát hệ số beta trung bình là chuỗi dừng. Ước lượng bộ lọc Kalman cho thấy hệ số phương sai sai số $\sigma_{\eta m} = 0.127253$ có ý nghĩa thống kê ở mức 1%, khẳng định sự tồn tại của hiệu ứng đám đông. Hệ số $h_1$ chủ yếu mang giá trị dương trong năm 2017 (thị trường thận trọng, ưu tiên cổ phiếu beta < 1) và chuyển dần sang giá trị âm vào đầu năm 2018 khi VN-Index lập đỉnh 1.204,3 điểm vào ngày 09/04/2018 trước khi sụt giảm về 880,85 điểm.
  • Đo lường giai đoạn trong đại dịch COVID-19 (01/2020 – 12/2022): Hệ số $h_2$ mang giá trị dương trong 3 tháng đầu năm 2020 khi dịch bùng phát. Tuy nhiên, từ tháng 3/2020 đến hết năm 2021, hệ số $h_2 < 0$ chiếm ưu thế rõ nét, thể hiện tâm lý bầy đàn ngược mạnh mẽ khi nhà đầu tư F0 ồ ạt mua vào các cổ phiếu rủi ro cao (beta > 1), đẩy VN-Index tăng trưởng nóng từ 659,21 điểm lên mức đỉnh 1.528,57 điểm. Đến tháng 4/2022, chu kỳ đảo chiều mạnh khiến VN-Index chốt năm 2022 ở mức 1.007,09 điểm (giảm 32,78% so với cuối 2021), thanh khoản bình quân phiên giảm 21,24% về giá trị.
  • Đo lường toàn bộ 72 tháng: Tất cả các tham số của mô hình trạng thái đều đạt mức ý nghĩa thống kê 1% với $\sigma_{\eta m} = 0.420427$, khẳng định hiệu ứng đám đông tồn tại liên tục trong cả chu kỳ.
  • Kiểm định mô hình hồi quy: Kiểm định Ramsey RESET cho P-value = 0,000 (dạng hàm đúng, đủ biến); kiểm định White cho P-value không tích chéo = 0,7525 (không có phương sai sai số thay đổi); kiểm định Jarque-Bera có P-value = 0,000 (phần dư không phân phối chuẩn nhưng cỡ mẫu N = 72 > 30 nên kết quả vẫn có độ tin cậy theo định lý giới hạn trung tâm). Kết quả hồi quy xác nhận hệ số $\beta_1 = -0,032966$ có ý nghĩa thống kê ở mức 1% (P-value = 0,000), chứng minh hiệu ứng đám đông tác động ngược chiều có ý nghĩa thống kê tới độ biến động của VN-Index.

Chương 4: Giải pháp nhằm kiểm soát “Hiệu ứng đám đông” trên sàn giao dịch chứng khoán Hồ Chí Minh

Tác giả đề xuất 3 nhóm giải pháp thực tiễn:

  1. Nâng cao sự minh bạch, chất lượng thông tin và hiệu lực pháp luật: Đề xuất sửa đổi mức xử phạt vi phạm hành chính tại Khoản 4 Điều 42 Nghị định số 156/2020/NĐ-CP (khung phạt 70 - 100 triệu đồng hiện nay quá thấp so với các khoản lợi bất chính hàng trăm triệu hoặc hàng tỷ đồng). Dẫn chứng thực tế vụ thao túng giá cổ phiếu FLC của ông Trịnh Văn Quyết (bán chui 74,8 triệu cổ phiếu, thu lợi bất chính hơn 530 tỷ đồng) và các vụ việc lan truyền tin đồn thất thiệt liên quan đến cổ phiếu GEX để yêu cầu Ủy ban Chứng khoán Nhà nước (UBCKNN) tăng cường giám sát an ninh mạng, thành lập ban chuyên trách phát hiện làm giá và công bố thông tin kịp thời.
  2. Nghiên cứu và áp dụng hiệu quả chính sách biên độ giao dịch: Đánh giá biên độ giá và cơ chế bán khống như công cụ điều tiết hai chiều; khuyến nghị nghiên cứu tỷ lệ biên độ dao động phù hợp để vừa cho phép thị trường tự điều chỉnh nhanh về giá trị thực, vừa ngăn chặn các phản ứng thái quá gây hoảng loạn.
  3. Nâng cao năng lực và kiến thức cho nhà đầu tư: Thúc đẩy mở rộng mạng lưới đào tạo kiến thức quản lý danh mục và định giá tài sản, khắc phục thực trạng các công ty chứng khoán chỉ tập trung hướng dẫn quy trình đặt lệnh giao dịch cơ bản.

Kết quả và đóng góp

Nghiên cứu đã lượng hóa thành công sự hiện diện và mức độ chi phối của hiệu ứng đám đông trên sàn HOSE thông qua các chỉ số thống kê cụ thể.

Bảng tổng hợp kết quả định lượng chính của khóa luận

Giai đoạn nghiên cứu Số quan sát tháng (N) Tham số đo lường hiệu ứng đám đông Mức ý nghĩa thống kê Xu hướng hành vi bầy đàn chủ đạo Độ biến động VN-Index (Volatility)
Trước COVID-19 (01/2017 – 12/2019) 36 $\sigma_{\eta m} = 0,127253$ $p < 0,01$ Hiệu ứng đám đông thuận ($h_t > 0$) chiếm ưu thế năm 2017, đảo chiều sang âm năm 2018 0,009735
Trong COVID-19 (01/2020 – 12/2022) 36 $\sigma_{\eta m} \ne 0$ $p < 0,01$ Hiệu ứng đám đông ngược ($h_t < 0$) chi phối mạnh mẽ từ quý 2/2020 đến hết 2021 0,016053
Toàn bộ chu kỳ (01/2017 – 12/2022) 72 $\sigma_{\eta m} = 0,420427$ $p < 0,01$ Xen kẽ giữa hai chu kỳ; hệ số hồi quy $\beta_1 = -0,032966$ ($p = 0,000$) Toàn kỳ

Đóng góp của đề tài

  • Về mặt thực nghiệm: Khóa luận bổ sung bằng chứng định lượng về hành vi bầy đàn tại thị trường chứng khoán Việt Nam trong giai đoạn biến động đặc thù của đại dịch COVID-19 - khoảng thời gian VN-Index vừa lập đỉnh lịch sử vừa trải qua các đợt sụt giảm sâu kỷ lục.
  • So với các nghiên cứu trước: Trong khi phần lớn các tác giả trong nước (Đoàn Anh Tuấn và Hoàng Mai Phương, 2016; Trịnh Anh Khoa, 2016) sử dụng mô hình sai số chéo của Christie và Huang (1995) hoặc Chang và cộng sự (1999) vốn chỉ xác định được sự tồn tại của bầy đàn ở các phiên thị trường biến động cực đoan, nghiên cứu này tiếp nối hướng tiếp cận của Trần Chung Thủy (2010) khi ứng dụng mô hình Hwang và Salmon (2004). Phương pháp này cho phép đo lường liên tục tham số $h_t$ theo thời gian, giúp phân biệt rõ nét giữa trạng thái bầy đàn thuận ($h_t > 0$, thị trường ngại rủi ro) và bầy đàn ngược ($h_t < 0$, thị trường chấp nhận rủi ro cao để săn tìm lợi nhuận).
  • Về mặt phát hiện: Kết quả hồi quy với hệ số âm ($\beta_1 = -0,032966$) chứng minh rằng chính hiệu ứng đám đông ngược ($h_t < 0$) mới là động lực chính khuếch đại độ biến động của chỉ số VN-Index trong đại dịch COVID-19, dẫn đến hiện tượng thổi phồng bong bóng tài sản và tạo ra rủi ro hệ thống khi thị trường đảo chiều.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định hai hạn chế kỹ thuật do các rào cản về điều kiện thời gian và năng lực xử lý dữ liệu lớn:

  • Về phạm vi mẫu dữ liệu: Nghiên cứu chưa thể bao quát toàn bộ các mã cổ phiếu niêm yết trên sàn HOSE trong suốt 6 năm. Tác giả mới chỉ thu thập dữ liệu từ 49 mã cổ phiếu từng nằm trong rổ chỉ số VN30, dẫn đến nguy cơ kết quả đo lường mang tính đại diện cho nhóm vốn hóa lớn chứ chưa phản ánh trọn vẹn bức tranh của toàn bộ thị trường.
  • Về mô hình kinh tế lượng: Mô hình thực nghiệm chưa tích hợp đầy đủ 3 nhân tố theo mô hình định giá Fama và French (1993) (gồm quy mô vốn hóa SMB, tỷ số giá trị sổ sách trên giá trị thị trường HML, và tỷ suất sinh lợi thị trường) cũng như các biến kiểm soát kinh tế vĩ mô để đánh giá độ bền vững và tính vững chắc của các tham số ước lượng.

Hướng nghiên cứu tiếp: Mở rộng tập dữ liệu sang toàn bộ các mã cổ phiếu niêm yết trên cả hai sàn HOSE và HNX, đồng thời kết hợp kiểm định mô hình đa nhân tố Fama – French nhằm lượng hóa toàn diện hơn các yếu tố cấu thành hành vi bầy đàn tại Việt Nam.

Giá trị tham khảo

Công trình nghiên cứu có giá trị tham khảo thiết thực cho các nhóm đối tượng:

  • Sinh viên, học viên cao học và nhà nghiên cứu: Cung cấp tài liệu tham khảo chi tiết về quy trình ứng dụng mô hình không gian trạng thái (State-space) kết hợp bộ lọc Kalman trên phần mềm EViews 10 để lượng hóa các biến số tâm lý không thể quan sát trực tiếp. Phần phương pháp tại Chương 2 và kết quả thực nghiệm tại Chương 3 là tài liệu hữu ích cho các nghiên cứu thuộc lĩnh vực tài chính hành vi và kinh tế lượng ứng dụng.
  • Nhà đầu tư cá nhân và tổ chức quản lý quỹ: Giúp nhận diện cơ chế hình thành các đợt bầy đàn ngược trong khủng hoảng, từ đó xây dựng kỷ luật giải ngân, kiểm soát khẩu vị rủi ro và hạn chế tâm lý fomo (sợ bỏ lỡ cơ hội) khi thị trường xuất hiện các đợt tăng trưởng nóng thiếu nền tảng cơ bản.
  • Cơ quan quản lý thị trường (UBCKNN, HOSE): Cung cấp cơ sở khoa học để đánh giá lại tính hữu hiệu của các công cụ điều tiết kỹ thuật như biên độ dao động giá, cơ chế công bố thông tin và các chế tài răn đe hành vi thao túng thị trường.

Câu hỏi thường gặp

1. Nghiên cứu sử dụng mô hình nào để đo lường hiệu ứng đám đông và tại sao không dùng phương pháp độ phân tán tỷ suất sinh lời truyền thống?

Tác giả sử dụng mô hình không gian trạng thái của Hwang và Salmon (2004) ước lượng qua bộ lọc Kalman. Phương pháp này được chọn vì các mô hình độ phân tán truyền thống (như Christie & Huang 1995 hay Chang & cộng sự 1999) chỉ đo lường được bầy đàn khi thị trường biến động cực đoan. Mô hình Hwang & Salmon cho phép đo lường biến động của hệ số beta so với mức cân bằng CAPM một cách liên tục theo thời gian, tách bạch được bầy đàn thuận ($h_t > 0$) và bầy đàn ngược ($h_t < 0$).

2. Mẫu dữ liệu thực nghiệm được thu thập với quy mô như thế nào?

Dữ liệu gồm giá đóng cửa và giá tham chiếu theo phiên của chỉ số VN-Index cùng 49 mã cổ phiếu từng nằm trong rổ VN30 ít nhất 1 kỳ trong 6 năm (03/01/2017 – 30/12/2022). Tổng số quan sát thu thập được là 72.614 quan sát phiên, được tính toán thành 3.411 hệ số beta theo tháng và tổng hợp thành chuỗi dữ liệu 72 tháng để đưa vào mô hình kinh tế lượng.

3. Kết quả hồi quy giữa hiệu ứng đám đông và độ biến động VN-Index cho ra hệ số cụ thể là bao nhiêu và có ý nghĩa kinh tế gì?

Mô hình hồi quy đơn biến OLS cho kết quả hệ số $\beta_1 = -0,032966$ với giá trị $p = 0,000$ (đạt mức ý nghĩa 1%). Dấu âm của hệ số chỉ ra rằng khi tham số $h_t$ càng nhỏ (thiên về giá trị âm, tức hiệu ứng đám đông ngược mạnh), độ biến động của chỉ số VN-Index càng gia tăng, do dòng tiền tập trung đầu cơ vào các mã cổ phiếu có hệ số beta cao và rủi ro lớn.

4. Hiện tượng "hiệu ứng đám đông ngược" biểu hiện cụ thể ra sao trong thời kỳ đại dịch COVID-19 trên sàn HOSE?

Trong 3 tháng đầu năm 2020, $h_t > 0$ do nhà đầu tư lo ngại dịch bệnh nên tìm đến cổ phiếu ít biến động (beta < 1). Tuy nhiên, từ tháng 3/2020 đến hết năm 2021, $h_t < 0$ chiếm ưu thế hoàn toàn. Lượng tài khoản cá nhân mở mới tăng vọt đã dẫn dắt dòng tiền đổ mạnh vào các cổ phiếu biến động mạnh (beta > 1) với kỳ vọng sinh lời cao, đẩy VN-Index tăng 67% từ đáy 659,21 điểm cuối tháng 3/2020 lên đỉnh lịch sử 1.528,57 điểm vào đầu năm 2022, hình thành bong bóng giá chứng khoán.

5. Tác giả đưa ra những dẫn chứng thực tế nào về vi phạm pháp luật để kiến nghị tăng cường giám sát thị trường?

Tác giả dẫn chứng vụ việc thao túng giá cổ phiếu FLC của ông Trịnh Văn Quyết đầu năm 2022 (tạo cung cầu giả đẩy giá tăng 64% lên 24.000 đồng/cổ phiếu, bán chui 74,8 triệu cổ phiếu, thu lợi bất chính hơn 530 tỷ đồng) và các vụ việc phát tán tin đồn thất thiệt liên quan đến lãnh đạo Tập đoàn GELEX, làm bốc hơi hàng chục nghìn tỷ đồng vốn hóa. Từ đó, tác giả kiến nghị tăng khung xử phạt hành chính tại Nghị định 156/2020/NĐ-CP vốn chỉ ở mức 70 – 100 triệu đồng.

Kết luận

Khóa luận tốt nghiệp của tác giả Phùng Như Trường đã lượng hóa thành công sự tồn tại của hiệu ứng đám đông trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh trong giai đoạn 2017 – 2022 thông qua mô hình Hwang và Salmon (2004). Nghiên cứu chỉ ra rằng tâm lý bầy đàn ngược ($h_t < 0$) chi phối chủ đạo trong giai đoạn đại dịch COVID-19, trở thành nhân tố thúc đẩy dòng tiền đầu cơ và làm gia tăng mạnh mẽ độ biến động của chỉ số VN-Index. Trên cơ sở kết quả hồi quy và các khiếm khuyết thực tiễn của thị trường, công trình đã đề xuất hệ thống giải pháp đồng bộ về hoàn thiện khung pháp lý xử phạt, tối ưu hóa biên độ giao dịch và nâng cao năng lực phân tích cho nhà đầu tư cá nhân nhằm hướng tới sự phát triển ổn định của thị trường chứng khoán Việt Nam.